نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
در این دوره، دانش خود را در مورد مدلهای طبقهبندی و تعبیهها برای ایجاد خط لوله ML که به عنوان یک موتور توصیه عمل میکند، به کار میگیرید. این پنجمین و آخرین دوره از سری یادگیری ماشین پیشرفته در Google Cloud است. در این دوره، دانش خود را در مورد مدلهای طبقهبندی و جاسازیها برای ایجاد خط لوله ML که به عنوان موتور توصیه عمل میکند، به کار میگیرید. این پنجمین و آخرین دوره از مجموعه یادگیری ماشین پیشرفته در Google Cloud است.
سرفصل ها و درس ها
بررسی اجمالی سیستم های توصیه
Recommendation Systems Overview
-
معرفی
Introduction
-
سیستم های توصیه
Recommendation Systems
-
معرفی
Introduction
-
معرفی
Introduction
-
انواع سیستم های پیشنهادی
Types of Recommendation Systems
-
مبتنی بر محتوا یا مشارکتی
Content-Based or Collaborative
-
مشکلات سیستم توصیه
Recommendation System Pitfalls
-
بحث
Discussion
-
طراحی یک سیستم توصیه
Designing a Recommendation System
سیستم های توصیه مبتنی بر محتوا
Content-Based Recommendation Systems
-
سیستم های توصیه مبتنی بر محتوا
Content-based Recommendation Systems
-
سیستم های توصیه مبتنی بر محتوا
Content-Based Recommendation Systems
-
اقدامات شباهت
Similarity Measures
-
ساختن یک بردار کاربر
Building a User Vector
-
ارائه توصیه ها با استفاده از بردار کاربر
Making Recommendations Using a User Vector
-
ارائه توصیه برای بسیاری از کاربران
Making Recommendations for Many Users
-
مقدمه آزمایشگاه: ایجاد یک سیستم توصیه مبتنی بر محتوا
Lab intro:Create a Content-Based Recommendation System
-
آزمایشگاه: فیلترینگ مبتنی بر محتوا با دست
Lab: Content-Based Filtering by Hand
-
راه حل آزمایشگاهی: یک سیستم توصیه مبتنی بر محتوا ایجاد کنید
Lab Solution:Create a Content-Based Recommendation System
-
استفاده از شبکه های عصبی برای سیستم های توصیه مبتنی بر محتوا
Using Neural Networks for Content-Based Recommendation Systems
-
معرفی آزمایشگاه: ایجاد یک سیستم توصیه مبتنی بر محتوا با استفاده از یک شبکه عصبی
Lab Intro:Create a Content-Based Recommendation System Using a Neural Network
-
آزمایشگاه: فیلترینگ مبتنی بر محتوا با استفاده از شبکه های عصبی
Lab: Content-Based Filtering using Neural Networks
-
راه حل آزمایشگاهی: ایجاد یک سیستم توصیه مبتنی بر محتوا با استفاده از یک شبکه عصبی
Lab Solution:Create a Content-Based Recommendation System Using a Neural Network
سیستم های توصیه فیلتر مشترک
Collaborative Filtering Recommendation Systems
-
فیلتر مشارکتی
Collaborative Filtering
-
انواع داده های بازخورد کاربر
Types of User Feedback Data
-
جاسازی کاربران و آیتم ها
Embedding Users and Items
-
رویکردهای فاکتورسازی
Factorization Approaches
-
الگوریتم ALS
The ALS Algorithm
-
آماده سازی داده های ورودی برای ALS
Preparing Input Data for ALS
-
ایجاد تانسورهای پراکنده برای ورودی WALS کارآمد
Creating Sparse Tensors For Efficient WALS Input
-
نمونه سازی یک برآوردگر WALS: از ورودی به برآوردگر
Instantiating a WALS Estimator:From Input to Estimator
-
نمونه سازی یک برآوردگر WAL: رمزگشایی TFRecords
Instantiating a WAL Estimator:Decoding TFRecords
-
نمونه سازی برآوردگر WALS: بازیابی کلیدها
Instantiating a WALS Estimator:Recovering Keys
-
نمونه سازی برآوردگر WALS: آموزش و پیش بینی
Instantiating a WALS Estimator:Training and Prediction
-
مقدمه آزمایشگاه: فیلتر کردن مشارکتی با داده های Google Analytics
Lab Intro:Collaborative Filtering with Google Analytics Data
-
آزمایشگاه: فیلتر مشارکتی در داده های Google Analytics
Lab: Collaborative Filtering on Google Analytics data
-
راه حل آزمایشگاهی: فیلتر مشارکتی با داده های Google Analytics
Lab Solution:Collaborative Filtering with Google Analytics Data
-
مشکلات مربوط به فیلتر مشارکتی
Issues with Collaborative Filtering
-
نسخه ی نمایشی WALS تولید شده
Productionized WALS Demo
-
شروع سرد
Cold Starts
شبکه های عصبی برای سیستم های توصیه
Neural Networks for Recommendation Systems
-
شبکه های عصبی برای سیستم های توصیه
Neural Networks for Recommendation Systems
-
سیستم های توصیه ترکیبی
Hybrid Recommendation Systems
-
آزمایشگاه: طراحی یک سیستم توصیه ترکیبی
Lab:Designing a Hybrid Recommendation System
-
آزمایشگاه: طراحی یک سیستم توصیه فیلتر مشارکتی ترکیبی
Lab:Designing a Hybrid Collaborative Filtering Recommendation System
-
آزمایشگاه: طراحی یک سیستم توصیه مبتنی بر دانش ترکیبی
Lab:Designing a Hybrid Knowledge-based Recommendation System
-
معرفی آزمایشگاه: ساخت یک سیستم توصیه ترکیبی شبکه عصبی
Lab Intro:Building a Neural Network Hybrid Recommendation System
-
آزمایشگاه: ML در GCP: توصیه های ترکیبی با مجموعه داده MovieLens
Lab: ML on GCP: Hybrid Recommendations with the MovieLens Dataset
-
راه حل آزمایشگاهی: ساخت یک سیستم توصیه ترکیبی شبکه عصبی
Lab Solution:Building a Neural Network Hybrid Recommendation System
-
سیستم های توصیه آگاه از زمینه
Context-Aware Recommendation Systems
-
الگوریتم های آگاه از زمینه
Context-Aware Algorithms
-
پس فیلترینگ متنی
Contextual Postfiltering
-
مدلسازی با استفاده از الگوریتمهای Context-Aware
Modeling Using Context-Aware Algorithms
-
مطالعه موردی سیستم توصیه YouTube: بررسی اجمالی
YouTube Recommendation System Case Study:Overview
-
مطالعه موردی سیستم توصیه YouTube: نسل نامزد
YouTube Recommendation System Case Study:Candidate Generation
-
مطالعه موردی سیستم توصیه YouTube: رتبه بندی
YouTube Recommendation System Case Study:Ranking
-
خلاصه
Summary
ساختن یک سیستم توصیه سرتاسر
Building an End-to-End Recommendation System
-
ساختن یک سیستم توصیه سرتاسر
Building an End-to-End Recommendation System
-
معرفی
Introduction
-
نمای کلی معماری
Architecture Overview
-
بررسی اجمالی Cloud Composer
Cloud Composer Overview
-
Cloud Composer:DAGs
Cloud Composer:DAGs
-
Cloud Composer: Operators for ML
Cloud Composer:Operators for ML
-
Cloud Composer: برنامه ریزی
Cloud Composer:Scheduling
-
Cloud Composer: راه اندازی گردش کار با توابع ابری
Cloud Composer:Triggering Workflows with Cloud Functions
-
Cloud Composer: Monitoring and Logging
Cloud Composer:Monitoring and Logging
-
معرفی آزمایشگاه: سیستم توصیههای انتها به انتها
Lab Intro:End-to-End Recommendation System
-
آزمایشگاه: سیستم توصیه از پایان به پایان
Lab: End to End Recommendation System
خلاصه
Summary
-
خلاصه
Summary
-
خلاصه درس 1
Course Summary 1
-
خلاصه درس 2
Course Summary 2
Pluralsight (پلورال سایت)
Pluralsight یکی از پرطرفدارترین پلتفرمهای آموزش آنلاین است که به میلیونها کاربر در سراسر جهان کمک میکند تا مهارتهای خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دورههای آموزشی در زمینههای فناوری اطلاعات، توسعه نرمافزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه میدهد.
یکی از ویژگیهای برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعهدهندگان و کارشناسان معتبر، دورههایی را ارائه میدهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژیها نگه میدارد. این امر به کاربران این اطمینان را میدهد که دورههایی که در Pluralsight میپذیرند، با جدیدترین دانشها و تجارب به روز شدهاند.
نمایش نظرات